中國地方政府債務風險預警研究

袁海霞 汪苑暉[1]

要點

·自2014年新《預算法》頒布以來，我國地方債務管理逐步規范化，地方政府顯性債務風險有所緩釋，但地方政府債務隱性化問題加劇。在當前宏觀調控重心由“穩增長”向“防風險”轉變的背景下，防范地方政府債務風險是牢牢守住不發生系統性風險底線的必然要求，必須高度關注地方政府債務尤其是隱性債務所蘊含的風險。考慮到我國地方政府及國有企業雄厚的資產，雖有能力應對債務風險，但當前地方政府隱性債務由于較難統計且披露不透明，易引發市場關注及猜測。我國需警惕部分地區地方政府債務處置不當或引發的市場預期及信心失控，從各地區地方政府債務風險預警出發，構建合理準確的債務風險預警機制，監測各地區地方政府債務風險的變化趨勢以便及時采取債務防范及處置措施，避免債務風險向債務危機轉化。

·當前，關于地方政府債務風險的預警研究大多以地方政府的財政和債務的數據為基礎，通過相應的數據處理和統計方法來監測地方政府債務風險。預警方法主要集中于地方債務風險預警指標體系以及地方債務風險預警模型。為了既避免風險預警指標體系中指標權重設計環節中可能存在的主觀隨意性，又具備地方政府債務風險預警模型的理論可行性以及實際操作性，本文基于目前國際金融業界主流的用于衡量信用風險的KMV預警模型來構建地方政府債務風險預警模型。在國內已有研究和模型基本思想的基礎上，本文對KMV模型進行了地方債務風險預警模型的轉化：將KMV模型中企業可用來償債的資產價值替換成地方政府可用來償債的財政收入，將KMV模型中企業資產價值的波動率替換成地方政府財政收入的波動率，將KMV模型中企業負債的賬面價值替換成地方政府每年到期應償還的債務，并在這些替換基礎上推導出地方政府財政收入增長率和波動率、地方政府債務的違約距離和預期違約概率。

·在對KMV模型進行修正并構建地方政府債務風險預警模型后，為驗證模型在研究地方債務風險方面的可行性及準確性，本文在沒有考慮新發債的情況下，通過兩種對各地區到期償債比例的估算方法，選取31個省（市、自治區）、重慶市36個區縣作為樣本對預警模型進行實證分析。主要結論如下：到期償債比例與地方政府債務風險有明顯的相關性，到期債務集中償還壓力的增大容易加劇地方政府的債務違約風險；兩種到期償債比例估算方法得到的全國各省份地方政府債務風險結果大致相同，顯性債務口徑下貴州、遼寧等省份債務風險程度高，廣東、上海等省份的債務風險相對較低，考慮隱性債務口徑下貴州、遼寧等省份債務風險仍較高，廣東、上海等地債務風險仍較低；修正后的KMV模型在采用不同到期償債比例估算地方債務風險的方法下大體適用，但在按到期地方債確定到期償債比例的方法下并不完全適用，但得到的各省份債務風險排名仍具有參考意義。

引言

我國地方政府債務發端于20世紀70年代末，當時部分省及地級市開始嘗試通過舉債彌補資金缺口以更好履行政府職能，但受限于地方政府的自主權，該階段地方政府債務規模整體較小。此后，伴隨我國財稅體制變化、地方投融資模式變遷，地方政府債務在不同經濟發展時期呈現不同的特點。1994年，我國實行分稅制改革，形成了地方政府財權與事權不匹配的局面，加之原有《預算法》的約束，地方政府無權通過自主發債的方式進行融資，開始依賴地方融資平臺以貸款、信托等方式籌資，地方政府債務規模持續擴張。2008年，為應對全球金融危機，國家出臺“四萬億”刺激政策，其中地方政府配套資金2.82萬億元，在配套資金需求、國家政策支持、地方政府資金缺口等因素推動下，地方融資平臺爆發式增長，融資平臺債務擴張帶動地方政府債務井噴式增長。2014年以來，以新《預算法》與43號文出臺為標志，在疏堵結合的政策導向下，地方政府債務逐步納入規范化管理軌道。

伴隨我國經濟發展進入新常態，宏觀調控重心由“穩增長”向“防風險”轉變，十九大報告強調將防范化解重大風險列入三大攻堅戰之首，國務院副總理劉鶴在“健全系統性金融風險防范體系”政協專題協商會上明確防控風險的“三把斧”基本思路，即“穩健中性貨幣政策+嚴格監管政策+堅決懲治腐敗”，體現了國家打好防控風險攻堅戰的決心。防范地方政府債務風險是牢牢守住不發生系統性風險底線的必然要求與重中之重。然而，隨著我國地方債務管理機制逐步成熟，地方政府顯性債務風險有所緩釋，但地方政府債務隱性化問題加劇，通過融資平臺以PPP、政府購買服務、資管計劃、明股實債等方式變相舉債形成的以貸款、信托為主要存在形式的隱性債務風險較為突出。在當前“防風險”背景下，必須高度關注地方政府債務尤其是隱性債務所蘊含的風險。據中誠信國際測算[2]，2017年我國地方政府顯性債務規模在16.47萬億元，全國政府債務的負債率是36.2%，低于歐盟60%的警戒線，以直接債務為主的顯性債務口徑下我國地方政府風險水平相對較低；地方政府隱性債務規模在26.5萬億～35.9萬億之間，考慮隱性債務的政府負債率直接上升至68%～80%，大幅高于發展中國家平均水平。考慮到我國地方政府及國有企業雄厚的資產規模，雖然有能力應對債務風險，發生系統性及區域性債務危機的可能性較低，但當前地方政府隱性債務由于較難統計且披露不透明等特點，易引發市場關注及猜測。吸取歐債危機中因部分成員國債務危機初期未及時采取措施從而加劇債務風險擴散，并最終導致歐洲整體金融體系坍塌的教訓，我國需警惕部分地區地方政府債務處置不當或引發的市場恐慌及由此導致的市場預期及信心失控，從各地區地方政府債務風險預警出發，構建合理準確的債務風險預警機制，監測各地區地方政府債務風險的變化趨勢以便及時采取債務防范及處置措施，避免債務風險向債務危機轉化。

一 地方政府債務風險預警方法介紹

當前，關于地方政府債務風險的預警研究大多以地方政府的財政和債務的數據為基礎，通過相應的數據處理和統計方法來監測地方政府債務風險變化趨勢。目前各類文獻綜述采用的地方政府債務風險預警方法主要集中于以下兩類。一是對地方政府債務的風險預警指標的研究。在預警指標的選擇上，國外更傾向于用較簡單的統計指標直接揭示風險，例如哥倫比亞的“紅綠燈”模式。該模式以兩條指標為依據來管理和控制地方政府舉債行為，其中之一是代表地方政府資金流動性的債務利息支付率，它由地方政府支付的債務利息除以經常項目盈余得出，另一個是用來評估中長期債務的債務率，它由逾期債務余額與一般性收入之比表示，通過對這兩個指標分別進行“紅、黃、綠”亮燈區間的設置，選取表示債務嚴重程度更高的燈色作為最終的債務風險指示。國內學者大多傾向于篩選多個指標構建指標體系，設置指標風險區間及權重等進行綜合判斷及預警，債務風險預警指標多包括債務負擔率、地方財政負債率、地方財政償債率、債務依存度、收入GDP比等。二是基于模型的地方政府債務風險的預警研究。目前主流的風險預警模型有以下幾種：（1）KLR模型（Kaminsky，1998），該模型是基于指標信號分析的定量預警模型，采用相關的宏觀經濟變量作為預警指標。（2）DCSD模型（Berg ＆ Pattillo，1999），該模型在KLR模型基礎上進行了多方面的拓展，如指標閾值的測定、多變量的Probit回歸分析等。（3）PDR模型（Mulderetal，2002），該模型在DCSD模型基礎上加入私人經濟層面的資產負債平衡表變量和一些替代變量。（4）KMV模型，該模型是基于風險債務理論和BS期權定價理論發展而來的信用監測模型，由美國KMV公司開發，通過計算違約距離得出預期違約概率，在上市公司的借款違約概率上的測算應用較廣泛。美國多將該模型用于市政債券違約概率的研究，國內首次將KMV模型應用于我國地方政府債務問題研究的是韓立巖等（2003）基于修正的KMV模型對北京與上海的發債規模及違約風險進行了測算。[3]之后，國內學者開始對KMV模型進行修正來研究地方政府債務違約風險等問題。

綜上，從地方債務風險預警指標體系來看，在預警指標的權重設置上存在較大的主觀隨意性，缺乏統一和科學的理論標準。從地方債務風險預警模型來看，一方面，相比于其他預警模型，KMV模型用于分析估計借款企業違約概率與地方政府債務風險的研究思想有相通之處，和研究上市公司借款違約概率基于的期權思想一樣，地方政府的舉債融資過程實質上是一種將地方政府所擁有的財政收入權“轉移”給債權人的行為，當到期債務本息得以償還時，地方政府可以重新將財政收入權“贖回”。此外，地方政府債務到期時也和企業債券到期情況一致，存在按時還本付息和發生違約兩種情況。因此KMV模型在研究地方政府債務風險預警中有一定理論應用意義。另一方面，相對于其他信用風險測量模型需要大量的歷史數據進行支撐來說，KMV模型不需要過多歷史違約概率數據作為研究基礎，較符合當前我國地方政府債務相關數據的實際情況。基于此，本文選取KMV模型構建地方政府債務風險預警模型，既避免了風險預警指標體系中指標權重的設計環節，降低了模型構建環節中可能存在的主觀隨意性，又具備了理論可行性以及實際操作性，可以構建出較準確的評估地方政府債務風險的預警模型。

二 基于KMV模型的地方政府債務風險預警模型

KMV模型主要用來衡量企業資產價值的違約概率，是國際金融業界主流的用于衡量信用風險預警模型。債務違約風險有三個決定因素：一是資產價值的計算，通常以資產未來收益的現金流折現加總而來；二是資產風險，通常以資產價值的波動程度（例如標準差、貝塔系數等）來衡量；三是杠桿程度，即債務占總資產的比例，債務比例越高越容易發生違約問題。對KMV模型而言，違約點及違約概率的確定是研究的關鍵。

（一）KMV模型推演步驟

1.估算資產價值V與波動性σ

資產的價值及波動性是影響違約決定的重要因素，但無法直接觀察得到，因此可以利用Black-Scholes期權定價公式，反向導出公司資產的隱含波動性，而波動性會受到公司資產的市場價值、權益的市場價值波動性及負債的賬面價值影響，這與利用期權價格來推算期權的隱含波動性相同。因此，可以將公司的權益價值視為一個買權，依據Black-Scholes期權定價模型，在到期日T（或t）時，公司資產市場價值和權益市場價值之間可以得到如下關系：

其中，E表示企業股權的市場價值，V為企業資產市場價值，N（d）為標準累積正態分布函數，由d₁、d₂決定，D為企業負債賬面價值，σ_A為資產價值波動性，σ_E為企業股權價值波動性（該值可通過歷史數據求解），r為無風險利率，t為債務償還期限。由于企業股權的市場價值E、波動性σ_E、無風險利率r、負債賬面價值D以及債務償還期限t都是已知變量，因此，可以解出模型中企業的資產市場價值V及其波動性σ_A這兩個未知變量。

2.計算違約距離DD（Distance to Default）

公司在某一期間的違約概率，除了依照上述求出的隱含資產價值和波動性之外，另外還有幾個關鍵變量：（1）違約點的額度，即短期負債的賬面價值；（2）資產價值在此期間的期望成長率；（3）負債期間的長短。違約的可能性可以被定義成公司資產價值小于違約點的概率。而公司資產價值與違約點的差，以資產波動性的標準差來衡量及標準化，就是公司的違約間距DD，數字越大代表資產的價值距離違約點越遠，公司的違約概率越小，公式如下：

其中，g為資產價值的期望增長率，σ為資產價值的波動率。

3.計算企業期望違約概率EDP（Expected Default Probability）

在獲得上一階段計算的違約距離DD后，假設企業的市場價值是以市場價值的平均為中點的正態分布，就可以用違約距離DD來計算出KMV模型中的期望違約概率EDP，即資產價值在時間T時小于違約點部分的累積概率。或者通過觀察企業過去的資產價值，估計出資產的概率分布，利用計量模型以過去的數據估計出資產價值的可能分布，并直接算出企業在某一期間資產價值小于負債（違約點）的累積概率。由于數據的可得性以及操作性，暫采用第一種計算方法，其公式如下：

其中，N（-DD）為標準累積正態分布函數。

（二）KMV模型的轉化應用

在國內已有研究和上述模型基本思想的基礎上，本文對KMV模型的修正主要基于對三個關鍵變量的重新定義：將KMV模型中企業可用來償債的資產價值替換成地方政府可用來償債的財政收入；將KMV模型中企業資產價值的波動率替換成地方政府財政收入的波動率；將KMV模型中企業負債的賬面價值替換成地方政府每年到期應償還的債務。在這些替換基礎上推導出地方政府財政收入增長率和波動率、地方政府債務的違約距離和預期違約概率，具體公式如下：

1.地方財政收入增長率g和波動率σ

本文主要通過綜合國際金融業界主流的用于衡量信用風險的KMV模型來構建針對地方政府債務風險的預警模型。如果將地方政府視同為企業，那么地方政府的財政收入可作為企業資產價值所產生的收益，地方政府債務規模可作為企業負債即違約點的額度，違約的可能性可以定義為公司資產價值小于違約點的概率。根據KMV模型，地方財政收入增長率g和波動率σ可以得到如下轉化公式：

其中，A為地方政府財政收入，其代替KMV模型中企業資產市場價值V，A_t為t時刻地方政府財政收入，g為財政收入增長率，σ為財政收入的波動性。

2.地方政府到期應償債務

地方政府每年應償債務除了債務本金外，由于涉及資金的時間價值，政府還需承擔這部分本金的利息，因此，地方政府每年到期應償債務的本息和Sum_t為：

其中，r為到期債務的平均利率，D_t為總債務規模，a為到期償債比例，等于到期應償還債務總額占總債務規模的比例，D_t×a為到期應償還債務總額，D_t×（1-a）為未到期債務總額。

3.違約距離DD

結合地方政政府債務風險的實際情況，將KMV模型中的違約距離DD的公式轉化為：

其中，A_t為t時刻地方政府財政收入，Sum_t為地方政府每年到期應償債務的本息之和，g為財政收入增長率，σ為財政收入的波動性。

三 中國地方政府債務風險預警模型實證分析

在對KMV模型進行轉化得到地方政府債務風險預警模型后，為驗證修正后的KMV模型在研究地方債務風險方面的可行性及準確性，本文在沒有考慮新發債的情況下，通過兩種對各地區到期償債比例的估算方法，選取31個省（市、自治區）作為省級層面地方政府債務風險研究的樣本、重慶市36個區縣作為市級層面的樣本對基于KMV模型的地方政府債務風險預警模型進行實證分析。

（一）不同到期償債比例的債務風險估算方法

由于數據可得性差，每年地方政府到期償債比例無法確切得知，因此本文嘗試在5%～100%區間內挑選不同到期償債比例，以此估算各償債比例下2017年各省份及重慶各區縣的地方債務風險情況。

1.樣本數據選擇

財政收入增長率g及波動率σ：因為財政收入在時間序列上存在階段性變化，因此我們選取2012～2016年的財政收入[4]數據進行計算；

財政收入A_t：選擇2017年的數據，但因有兩個省暫未公布其2017年財政收入，我們用求得的財政收入增長率去估算這兩個省2017年的財政收入，其余省份均采用2017年各省財政廳的公開數據；

債務規模D_t：由于數據可得性的問題，采用中誠信國際測算的2016年各省份的債務規模[5]，并用全國債務規模增長率（全國新增地方債務限額/全國地方政府債務余額）[6]來替代各省份債務規模增長率，從而求得各省份2017年債務規模（分顯性債務口徑和考慮隱性債務口徑）；

到期債務平均利率r：參考國內文獻，選用5年期地方債發行利率作為估算。

2.測算方法

將樣本數據代入公式（9）、（10）和（6），計算違約距離DD及預期違約概率EDP：

在不同到期償債比例a下，顯性債務口徑以及考慮隱性債務口徑下的2017年各省份及重慶各區縣預期違約概率EDP分布如表1～表4所示（均按債務率升序排序）。其中，按照違約風險概率的結果分布并結合經驗判斷，本文將地方政府債務風險劃分為4個區間，分別為安全區間[0，0.1）、輕度風險區間[0.1，0.3）、中度風險區間[0.3，0.6）、重度風險區間[0.6，1）。

3.測算結果（見表1～表4）：省級層面看，顯/隱性債務口徑下貴州、遼寧等省債務風險較高，廣東、上海等較低；從重慶市看，顯性債務口徑下城口縣及大渡口區債務風險較高，含隱性債務口徑下合川區、沙坪壩區債務風險較高，江北區債務風險均較低

從省級層面來看，在顯性債務口徑下，當各省份到期償債比例處于10%以下時，全國基本處于安全區間，僅青海省出現輕度債務風險；當到期償債比例達到20%時，貴州省率先出現了重度債務風險；當到期償債比例達到30%時，遼寧、內蒙古、云南出現重度債務風險；此后，隨著到期償債比例的不斷提高，全國各省份相繼進入重度風險區間；各省份到期償債比例超過90%后，27個省份的EDP進入了重度風險區間，僅北京、廣東、上海、西藏仍未進入重度債務風險區間。當考慮隱性債務時，全國地方政府債務風險明顯增加。若各省份到期償債比例處于10%以下時，全國基本處于安全區間，僅青海省和貴州省出現輕度債務風險；到期償債比例達到10%時，貴州省出現了重度債務風險；隨著到期償債比例的不斷提高，全國各省份先后進入重度風險區間；當到期償債比例達到70%以后，28個省份進入了重度債務風險區間，僅上海、廣東仍未出現重度債務風險。

從重慶市各區縣來看，在顯性債務口徑下，當到期償債比例處于10%以下時，重慶全市基本處于安全區間，僅城口縣出現輕度債務風險；隨著到期償債比例的提高，梁平區、大渡口區、合川區出現了輕度債務風險；當到期償債比例達到30%時，大渡口區率先出現了重度債務風險，城口縣、梁平區、合川區由輕度風險轉為中度；此后，重慶各區縣相繼進入重度風險區間；若到期償債比例達到100%，僅4個區縣尚未出現重度債務風險，分別為江北區、沙坪壩區、綦江區、萬州區。若考慮隱性債務，重慶各區縣地方政府債務風險程度大幅加重。當到期償債比例達到8%時，合川區已出現重度債務風險；當到期償債比例達到10%時，沙坪壩區等相繼進入重度債務風險區間；到期償債比例達到15%時，巴南、黔江、長壽三個區均出現重度債務風險；當到期償債比例達到80%以后，全市僅江北區仍未進入重度債務風險區間。

表1 不同到期償債比例下各省份地方政府債務風險（違約概率EDP）（顯性債務口徑）

續表

表2 不同到期償債比例下各省份地方政府債務風險（違約概率EDP）（考慮隱性債務口徑）

續表

表3 不同到期償債比例下重慶市各區縣地方政府債務風險（違約概率EDP）（顯性債務口徑）

續表

表4 不同到期償債比例下重慶市各區縣地方政府債務風險（違約概率EDP）（考慮隱性債務口徑）

續表

（二）按到期地方債計算到期償債比例的債務風險估算方法

上述方法估算出不同到期償債比例下的地方政府債務風險情況，但由于各地區經濟發展水平及債務程度存在差異，各地區到期償債比例不盡相同，因此不能在同一維度下進行簡單比較，在此基礎上，我們嘗試對到期償債比例的估算方法進行修正，用可獲取的數據估算了各省份的到期償債比例，基于按到期地方債估算到期償債比例的方法對各地區進行了2017～2023年地方政府債務風險的研究。

1.樣本數據選擇

地方政府財政收入增長率g及波動率σ：選取2012～2016年的財政收入數據[7]進行計算；

地方政府財政收入A_t：用財政收入增長率g估算2017～2023年的各省份財政收入；

地方政府債務規模D_t：由于數據各省份2017～2023年的債務規模無法獲得，采用中誠信國際測算的2016年各省份的債務規模，并用全國債務規模增長率（全國新增地方債務限額/全國地方政府債務余額）[8]來替代各省份債務規模增長率，估算得到各省份2017～2023年地方政府債務規模；

到期償債比例a：采用各省份每年到期的地方債規模[9]與D_t之比；

到期債務平均利率r：選用5年期地方債發行利率作為估算。

2.測算方法

將上述樣本數據代入公式（9）、（10）和（6），計算違約距離DD及預期違約概率EDP：

EDP=N（-DD）（6）在按到期地方債計算到期償債比例a方法下，顯性債務口徑的2017～2023年各省份預期違約概率EDP如表5所示，并按每年各省份債務風險EDP降序排序。其中，按照違約風險概率的結果分布并結合經驗判斷，本文將地方政府債務風險劃分為4個區間，分別為安全區間[0，0.1）、輕度風險區間[0.1，0.3）、中度風險區間[0.3，0.6）、重度風險區間[0.6，1）。

3.測算結果[10]（見表5）：全國各省整體處于債務安全區間，僅少數如遼寧等省債務風險相對較高

表5 不同到期償債比例下各省份地方政府債務風險*（違約概率EDP）（顯性債務口徑）

續表

按數據結果顯示，2017～2023年全國大部分省份的違約概率EDP均接近0，表明大多數省份均處于債務安全區間，均未出現重度債務風險，僅遼寧省在2019年出現了輕度債務風險，2020年之后進入中度債務風險區間。從每年地方政府債務風險排名可以看出，青海、遼寧、貴州、內蒙古等省每年違約概率EDP均排在前列，這在一定程度上表明這些省份的地方政府債務風險相對其他省份高，而上海、廣東、江蘇等省地方政府債務風險每年均保持在較低水平。值得注意的是，按此方法估算的2017～2018年北京市地方政府債務風險排名較高，與實際情況較不相符，原因在于此方法按照各省份每年到期地方債券規模確定到期償債比例來估算地方政府債務風險，而北京市近兩年到期地方債規模相對較大，因此2017年北京市地方政府債務風險高居第二，2018年仍較高，位于第七，但2020年以后到期地方債減少，北京市地方政府債務風險回歸正常水平，2020～2023年風險排名均位于末段，債務風險較低。

四 結論

本文在總結了以往地方政府性債務違約風險研究的基礎上，以KMV模型為基礎進行轉化，構建了基于KMV模型的地方政府債務風險預警模型，在不考慮各地區地方政府新發債的情況下，通過兩種到期償債比例估算方法對各省份及重慶各區縣的地方政府債務風險進行了實證分析。主要結論如下：

（1）到期償債比例與地方政府債務風險有明顯的相關性。從各地區地方政府債務違約風險概率數據來看，到期償債比例對其具有正向的沖擊，即隨著到期償債比例的增加地方政府債務違約風險也在不斷增大，這在一定程度上表明到期債務集中償還壓力的增大容易加劇地方政府的債務違約風險。

（2）無論是通過不同到期償債比例的估算方法還是按到期地方債的估算方法，得到的全國各省份地方政府債務風險結果大致相同。顯性債務口徑下，青海、遼寧、內蒙古、貴州、云南等省份債務風險程度相比其他省份高，北京、廣東、上海、江蘇等省份的債務風險相對較低。若考慮隱性債務，貴州、遼寧、云南、青海、內蒙古等省份債務風險仍較高，廣東、上海等債務風險仍較低，而北京、江蘇考慮隱性債務后的地方政府債務風險大大增加。

（3）在采用不同到期償債比例估算地方政府債務風險的方法下，修正后的KMV模型在此大體適用。通過修正后的KMV預警模型得到的各區域地方政府債務風險與實際債務率情況大致相符，即債務率越高的地區越容易在更低的到期償債比例下進入中高風險區間。從省級層面來看，顯性債務口徑下貴州、青海、云南、遼寧、內蒙古債務風險較高，北京、廣東、上海、西藏債務風險較低；考慮隱性債務口徑后貴州、遼寧、云南等債務風險仍較高，廣東、上海等債務風險仍較低。對重慶市而言，顯性債務口徑下江北區、萬州區、綦江區、沙坪壩區等相比其他區縣債務風險較低，而城口縣及大渡口區的地方政府債務風險較高；考慮隱性債務后，江北區仍保持著相對較低的債務風險，其他各區縣債務風險明顯增加，如合川區、沙坪壩區、黔江區、巴南區等。

（4）在按到期地方債確定到期償債比例估算地方政府債務的方法下，修正后的KMV模型在此并不完全適用，但最終得到的各省份債務風險排名的相對位置仍具有參考意義。因地方政府到期規模數據難以獲得，本文采用每年各省地方債券到期規模來進行替代，而債券只是地方政府債務的一部分，地方政府債務還包括銀行貸款、信托、基金等多種融資工具，因此該數值將遠遠小于真實地方政府每年到期債務規模，所以實證得到的結果表明各省份2017～2023年均沒有重度債務風險且大部分處于安全區間，這樣的結果或與真實情況有所出入。因此本文采用修正后的KMV模型在此方法下并不完全適用，但通過模型得到的各省份債務風險排名的相對位置仍具有參考價值。

---

[1]袁海霞，中誠信國際首席宏觀分析師、研究院宏觀金融研究部總經理；汪苑暉，研究院宏觀金融研究部分析師。

[2]根據全國各省份財政決算報告及中誠信國際測算。

[3]韓立巖、鄭承利、羅雯、楊哲彬：《中國市政債券信用風險與發債規模研究》，《金融研究》2003年第2期。

[4]全國各省份財政決算報告、重慶市各區縣財政決算報告，中誠信國際整理計算。

[5]根據全國各省份及重慶市各區縣財政決算報告，中誠信國際整理計算。

[6]全國各省份財政決算報告、重慶市各區縣財政決算報告，中誠信國際整理計算。

[7]全國各省份財政決算報告、重慶市各區縣財政決算報告，中誠信國際整理計算。

[8]全國各省份財政決算報告、重慶市各區縣財政決算報告，中誠信國際整理計算。

[9]Wind數據庫，中誠信國際整理計算。

[10]由于重慶市各區縣到期地方債規模無法統計，此估算方法暫未進行重慶市各區縣地方政府債務風險的計算。